Frage: Wie bewertet man, ob jemand sehr gut im Umgang mit KI ist? Antwort: Man schaut, wie viel Geld er für KI ausgibt, ob er jeden Monat über 300 Dollar kommt. - Über 300 Dollar zu kommen, zeigt, dass er viele KI-Produkte abonniert hat, was bedeutet, dass er diese Produkte mindestens ausprobiert hat und sie als effektiv empfindet. - Wer kontinuierlich Geld für KI ausgibt, zeigt, dass er einen höheren Wert aus der KI schöpft. - Wenn die KI ausfällt, wird er das Gefühl haben, dass seine normale Arbeit beeinträchtigt wird; sein Arbeitsstil hat sich bereits verändert, ganz zu schweigen davon, dass er nützliche KI-Abonnements kündigt. - 300 Dollar zeigen, dass er möglicherweise einige Premium-Abonnements aktiviert hat, was ein Zeichen für hohe Nachfrage ist. Ich glaube nicht, dass jemand, der ein 20-Dollar- oder sogar kostenloses API-Paket nutzt, ernsthaft behaupten kann, er sei gut im Umgang mit KI und habe viel praktische Erfahrung. Es ist möglich, dass er in einem bestimmten Bereich Bescheid weiß, aber es ist absolut unmöglich, dass er in vielen Bereichen Bescheid weiß. Um ehrlich zu sein, selbst wenn man einen Agenten einrichtet, um eine Rechnung zu erstellen, kostet das auch mehrere hundert Dollar im Monat.

Im Jahr 23 lehre ich chatGPT, midjourney, stable diffusion Im Jahr 24 lehre ich comfyui, dify, coze Im Jahr 25 lehre ich deepseek, Büro, vibe, coding Ich habe mal geschaut, 60% der Lehrenden sind die gleichen Personen 😂 Der Inhalt ändert sich, die Personen, die Titel und Anrede ändern sich Aber das Rezept bleibt gleich Plattform-Werbung 199, um klein groß zu machen Oder einfach ein Buch herausgeben, um Kurse zu verkaufen Letztendlich ist die größte Hürde für andere, die Grundlagen zu lernen, wahrscheinlich das eigene Gesicht zu verlieren Es gibt überall Lehrer mit 40 Punkten Kurse für mehrere tausend Euro verkaufen sich auch gut Wenn man sagt, die Leute hätten kein FOMO gegenüber KI, kann ich das auch nicht ganz glauben Aber die, die es wirklich nutzen können, scheinen auch nicht viele zu sein 😂

47 Claude Code Nutzungstipps Wenn du es gespeichert hast, hast du es gelernt.

Dieses Skript und das Sprachmodell sind einfach zu stark. Gibt es noch etwas, das Guo Degang über die Ming-Dynastie erzählt...

Frag mich nicht, wie man beim Programmieren vibt. Ich schicke euch ein Set an Prompts, nehmt es ohne Dank.

Um etwas zu schaffen, das viral gehen kann, muss man mindestens die folgenden Punkte treffen: - Selbstbewusstsein: Ich teile dieses Ding, damit andere mich kennenlernen und denken, ich bin beeindruckend und habe Einsicht. - Spaß: Ich teile dieses Ding, um anderen Freude zu bereiten. - Soziale Anerkennung: Ich teile dieses Ding, weil es für andere wertvoll ist und ich soziale Anerkennung erhalte. - Praktischer Wert: Ich teile dieses Ding, um Geld zu verdienen oder Aufmerksamkeit zu bekommen. - Herdenverhalten: Alle anderen teilen es, wenn ich es nicht teile, fühle ich mich fehl am Platz. Egal ob Inhalt oder Produkt, je mehr Elemente getroffen werden, desto wahrscheinlicher ist es, dass es viral geht. Wenn es auch noch eine Gewinnkette bilden kann, wird die Verbreitung noch größer. Das oben Genannte bezieht sich auf die Motivation zum Teilen, aber Teilen ist ein Trichter: Andere müssen es zuerst sehen, dann verstehen, bevor sie es teilen. Deshalb muss man zuerst für Sichtbarkeit sorgen. Aber es gibt einige Unterschiede zwischen dem Wunsch nach Sichtbarkeit und dem Wunsch zu teilen. Sichtbarkeit hängt meist von Kommentaren ab, und die Logik, Kommentare zu fördern, unterscheidet sich auch von der, die das Teilen anregt.

Ich habe mit Readdit Opus 4.1 hinzugefügt, um Beiträge zu lesen, und habe zwei MCPs entdeckt, die die Fähigkeiten von ClaudeCode verbessern: Zen und Serena. Aber die Meinungen der Leute sind völlig unterschiedlich, einige mögen es sehr, andere finden es völlig nutzlos. Ich denke, so ist AI: Wenn sie gute Ergebnisse liefert, mögen die Menschen sie, aber wenn die Ergebnisse null sind, verabscheuen die Menschen sie (weil sie Zeit verschwendet haben). Wenn ein AI-Produkt von einer kleinen Gruppe von Menschen als besonders großartig bezeichnet wird, ist es einen Versuch wert. Hat jemand diese beiden MCPs ausprobiert? Kommentiert eure Erfahrungen!

Jeder kann ein kleines VibeCoding-Projekt machen, wie dieses -- Reddit-Inhaltsmonitor. Es kann tatsächlich verwendet werden, um Lernmaterialien zu finden, Übersetzungen zu machen und die besten Beiträge in einem bestimmten Subreddit zu finden. So kann man langsam den Stil dieses Subreddits kennenlernen und es wird einfacher, gute Beiträge zu schreiben. Ich benutze es als Informationsquelle, man kann es sogar zum Englischlernen verwenden, Agenturen nutzen es, um Inspiration für Inhalte zu finden, Marken verwenden es, um Ereignisse anderer Marken zu überwachen, und ich mache das hauptsächlich, um in der nächsten Phase Content-Marketing auf Reddit zu betreiben und eine automatisierte Informationsquelle für meinen Reddit-Agenten aufzubauen. Limitierter Beta-Code: RDDT-TDGIA-DIZ 【Echte Beta, die Datenbank wurde bereits einmal gelöscht, haha】

Teile eine Idee, wie man als Arbeiter ohne Job Geld verdienen kann. Nutze vibecoding, um iOS-Client-Programme zu erstellen, und zwar solche, die eine Art Gerüst haben. Was ist ein Gerüst? Zum Beispiel eine kategorisierte Bildergalerie oder eine kategorisierte Audio-Playlist. Es ist einfach eine Liste, die die Inhalte gut kategorisiert, damit die Nutzer sie leicht finden können. Ein Gerüst ist fertig, und der Inhalt muss nicht ersetzt werden. Jetzt ist es mit vibecoding sehr schnell und einfach, das zu machen, und es hilft dir auch, Anpassungen vorzunehmen. Die Überprüfung im App Store ist auch relativ schwierig, was gleichbedeutend mit AI-Branding ist. Das Einzige, was du tun musst, ist, die Inhalte zu organisieren und alles zu verpacken. Dann öffne eine App wie Qimai, um die ASO-Keywords zu überprüfen. Lege einfach los und das war's. Das Produkt ist kostenlos, enthält aber Werbung, und für 8 Euro gibt es eine dauerhafte Mitgliedschaft ohne Werbung. Du kannst etwas machen wie "Friends" oder "Modern Times" oder ein paar Kurse von Prominenten anbieten. Denk nicht, dass es Raubkopien sind, das ist in Ordnung. Du kannst sogar etwas wie "Li Kui und Li Gui" machen, um die Markenbegriffe anderer zu nutzen. Es ist egal, wenn der Download Müll ist, lass sie einfach deinstallieren. Früher hat jemand das Generierungstool von appconnect mit vibecoding verwendet, um ständig Inhalte für die Veröffentlichung zu erstellen. Dieser Prozess nimmt auch nicht viel Zeit in Anspruch. Am ersten Tag kannst du vielleicht in 3 Tagen eine App veröffentlichen, danach dauert es nur noch 3 Stunden, um eine neue App zu veröffentlichen. Mach das mit 100 oder 80 Apps, und du wirst immer einige Keywords mit langen Schwanz finden, die dir helfen. Diese Dinge summieren sich, und der wichtigste Punkt ist, dass du alles lokal verpackt hast, ohne Ressourcenverbrauch, also ein Vermögen mit 0 Kosten. Finde heraus, was gut läuft, und investiere dann ernsthaft in die Optimierung. Im AI-Zeitalter gibt es einfach zu viele Arbitrage-Möglichkeiten wie diese. Lerne, während du arbeitest, es gibt nichts, was du nicht bewältigen kannst. Das Wichtigste ist, an dich selbst und an die KI zu glauben. Lass dich nicht von Schwierigkeiten entmutigen. Mach 20 davon, und du wirst natürlich Wege und Erfahrungen finden.

Ich habe mir die von Anthropic geteilte Prompt101 angesehen. Es gibt zwei Punkte, die ich teilen möchte, um die Nutzung zu verstärken: Der erste heißt Pre-fill Response (Vorab ausgefüllte Antwort). >Was zu tun ist: Bei API-Aufrufen direkt einen Anfang für die Antwort des Modells bereitstellen. >Warum: Dies ist eine effektive Technik, um das Modell dazu zu bringen, eine bestimmte Struktur (insbesondere JSON) auszugeben. >Beispiel: Im Abschnitt „Assistent“ der API-Anfrage direkt eine linke geschweifte Klammer { einfügen, um das Modell zu leiten, ein vollständiges JSON-Objekt zu vervollständigen. Diese Vorabfüllung erleichtert es, das Modell dazu zu bringen, gemäß deinem Ausgabeformat zu antworten, da LLM ein Wortspiel ist. Der zweite Punkt ist das Prompt-Debugging, das die Funktion „Erweitertes Denken“ (Extended Thinking / Scratchpad) nutzt. >Wirkung: Dies ist ein leistungsstarkes Debugging-Tool. Wenn diese Funktion aktiviert ist, zeigt das Modell explizit seinen „Denkprozess“ oder „Notizblock“. >Wie man es benutzt: Durch die Analyse der Denkaufzeichnungen des Modells kannst du verstehen, wo es Schwierigkeiten hatte oder Missverständnisse auftraten. Dann kannst du diese Erkenntnisse in klarere Schritt-für-Schritt-Anweisungen umwandeln und in deine Eingabeaufforderungen einfügen, um diese selbst stärker und effizienter zu machen. Das ist eigentlich eine Idee, die 2023 von Yulong geteilt wurde, nämlich dass, wenn die Ausgabe der Eingabeaufforderung nicht den Erwartungen entspricht, man mit dem Modell kommunizieren muss, um zu bestätigen, wo das Modell in Bezug auf die Eingabeaufforderung ein semantisches Missverständnis hatte. Das Drucken von Gedanken ist auch eine Variante dieses Ansatzes. Das sind die Dinge, die ich gelernt habe; das Video könnte noch weitere Informationen zum Lernen bieten 👇